Programa del Curso

Introducción a Generative AI

  • ¿Qué es Generative AI?
  • Historia y evolución de Generative AI
  • Conceptos clave y terminología
  • Descripción general de las aplicaciones y el potencial de Generative AI

Fundamentos de Machine Learning

  • Introducción al aprendizaje automático
  • Tipos de aprendizaje automático: supervisado, no supervisado y Reinforcement Learning
  • Algoritmos y modelos básicos
  • Preprocesamiento de datos e ingeniería de características

Deep Learning Conceptos básicos

  • Redes neuronales y aprendizaje profundo
  • Funciones de activación, funciones de pérdida y optimizadores
  • Técnicas de sobreajuste, subajuste y regularización
  • Introducción a TensorFlow y PyTorch

Descripción general de los modelos generativos

  • Tipos de modelos generativos
  • Diferencias entre modelos discriminativos y generativos
  • Casos de uso de modelos generativos

Autocodificadores variacionales (VAE)

  • Descripción de los codificadores automáticos
  • La arquitectura de los VAE
  • El espacio latente y su significado
  • Proyecto práctico: Construcción de un VAE simple

Redes generativas adversarias (GAN)

  • Introducción a las GAN
  • La arquitectura de las GANs: Generador y Discriminador
  • Capacitación de GAN y desafíos
  • Proyecto práctico: Creación de una GAN básica

Modelos Generativos Avanzados

  • Introducción a los modelos de transformadores
  • Descripción general de los modelos GPT (transformadores generativos preentrenados)
  • Aplicaciones de GPT en la generación de texto
  • Proyecto práctico: Generación de texto con un modelo GPT preentrenado

Ética e implicaciones

  • Consideraciones éticas en Generative AI
  • Sesgo y equidad en los modelos de IA
  • Implicaciones futuras e IA responsable

Aplicaciones industriales de Generative AI

  • Generative AI En Arte y Creatividad
  • Aplicaciones en negocios y marketing
  • Generative AI En Ciencia e Investigación

Proyecto final

  • Ideación y propuesta de un proyecto de IA generativa
  • Recopilación y preprocesamiento de conjuntos de datos
  • Selección y entrenamiento de modelos
  • Evaluación y presentación de resultados

Resumen y próximos pasos

Requerimientos

  • Una comprensión de los conceptos básicos de programación en Python
  • Experiencia con conceptos matemáticos básicos, especialmente probabilidad y álgebra lineal

Audiencia

  • Desarrolladores
 14 horas

Número de participantes



Precio por participante

Cursos Relacionados

Categorías Relacionadas

1